千寻智能高阳团队新作|换了新硬件，老数据还有用吗？揭秘机器人学习中的"涌现式迁移"

想象一位干了二十年的汽修老师傅，带一个刚进门的学徒。老师傅经验丰富，但如果学徒连螺丝刀都拿不稳，老师傅那些 "听声音就知道哪里坏了" 的绝活，讲了也是白讲 —— 徒弟根本接不住。可一旦徒弟练熟了基本功，老师傅的经验就会 突然变得点 石成金 ，让徒弟的水平一路飙升。等到徒弟自己都快出师了，老师傅再多的经验，能带来的提升也就有限了。 机器人学习里，藏着一个几乎一模一样的故事。 近日，千寻智能高阳团队的最新研究 《 When Does Legacy Data Start to Help? Emergent Transfer in Cross-Configuration Robot Learning 》（老数据何时开始 "帮上忙"？跨配置机器人学习中的涌现式迁移）正式公开。这项工作揭示了一个反直觉的现象： 在机器人硬件升级后，此前辛苦采集的 "老数据" 并不是拿来就有用，而是要等新硬件 "练到一定火候"，才会突然开始发挥价值 —— 而且价值大到惊人。 图1：跨配置共同训练的三阶段规律 论文标题： When Does Legacy Data Start to Help? Emergent Transfer in Cross-Configuration Robot Learning 论文链接：https://arxiv.org/abs/2607.25593 项目主页：https://xuezhiai123.github.io/legacy-data-transfer/ 一个真实又昂贵的难题： 硬件一升级，老数据就 "作废" 了？ 机器人要在真实世界里干活，就离不开大量的示教数据（人手把手教机器人怎么做的操作数据）。可现实是， 机器人硬件一直在迭代 ：摄像头换成视野更广、更清晰的新款，夹爪换成更灵活的新设计。 问题来了：这些改动会直接改变机器人 "看到的画面" 和 "手上的动作方式"。于是每一次硬件升级，都会带来一个让人头疼的现实问题 —— 之前在旧硬件上花了大量人力、金钱采集的示教数据，还能用在新机器人身上吗？ 一个很自然的想法是：把海量的老数据，和少量新硬件上采集的新数据混在一起训练（称为 "co-training / 共同训练"），让老数据 "扶一把" 新机器人。学界过去的工作（如 RoboNet、BridgeData）也确实表明，旧数据能降低新场景的数据采集成本。 但这些工作都没回答一个更关键的问题： 硬件一换，老数据是不是从一开始就有用？ 迁移学习的经验反而提示我们：当新旧两边差异太大时，老数据不但可能没用，甚至会 拖后腿、干扰学习 。 反直觉的发现： 老数据不是 "越多越好"，而是有个 "开窍时刻" 团队在一个轮式人形机器人平台上做了系统性实验 —— 跨越两代硬件，摄像头和夹爪都换了，但机器人整体形态不变。他们对比了两种策略的表现： 图2：真实机器人实验平台与操作任务（插花、插笔等精细操作） 只用新数据 训练的策略 老数据 + 新数据 共同训练的策略 结果非常出人意料。以 " 插花 " 这个精细操作任务为例： 当新硬件数据只有 4.3 小时、机器人自己只能做到 10% 成功率时，加上老数据共同训练，成功率 纹丝不动，还是 10% —— 老数据完全没帮上忙； 但当新硬件数据增加到 15.6 小时、机器人自己能做到 23.3% 时，同样加上 17 小时老数据，成功率 直接飙升到 86.7% —— 一举提高了 63.4 个百分点！ 也就是说， 仅仅是新机器人自身能力 的 一点点提升，就让老数据从 "毫无用处" 变成了 "点石成金"。 把不同任务、不同数据量下的结果汇总起来，一个清晰的 " 三阶段规律 " 浮出水面： 1. 第一阶段（新机器人能力很低） ：老数据毫无用处，加了也白加； 2. 第二阶段（能力跨过某个临界点） ：老数据的收益急剧爆发，带来巨大提升； 3. 第三阶段（能力接近满分 ） ：老数据的边际收益又开始递减。 这个从 "没用" 到 "突然有用" 的跳变，团队称之为 " 涌现 式 迁移"（Emergent Transfer）“ 。它和大模型领域大家熟悉的 "涌现能力""grokking（顿悟）"现象很像 —— 只不过这里的" 顿悟 "，不是靠堆模型规模或训练时间触发的，而是随着 新硬件自身任务能力的提升 而触发的。 图3：三阶段相变曲线。迁移阈值 τ(T) 标出了老数据开始产生显著收益的临界点。 为什么会这样？一个 "迁移阈值" 和背后的两套机制 团队用一个关键概念来刻画这个跳变： 迁移阈值 τ(T) （transfer threshold）。 通俗地说，它就是 " 徒弟必须先掌握的基本功水平 "—— 只有当新硬件策略自身的成功率跨过这个任务相关的阈值，老数据才会开始帮上忙。 阈值之下 ：新策略连任务的基本结构都没学会，给它再多老数据的 "高级经验"，它也不知道怎么用； 阈值之上 ：新旧数据的学习方向（梯度）开始 "对齐"，老数据的经验能顺畅地迁移过来，于是收益暴涨； 接近满分时 ：能提升的空间本就不多了，老数据的边际价值自然下降。 团队进一步从理论上给出了解释，核心是两套机制： 梯度对齐（Gradient Alignment） ：解释了 "老数据何时开始帮上忙"—— 当新旧数据的梯度方向足够一致时，共同训练才不会互相打架，反而能相互增益； 策略残余不确定性（Residual Policy Uncertainty） ：解释了 "老数据的收益 为何在接近满分时递减 "—— 当策略已经很确定时，老数据能补充的信息就所剩无几了。 有什么用？一条 "看火候下菜" 的数据采集策略 这个规律最实在的价值，是能 指导我们该怎么花钱采数据 。 过去大家默认 "数据越多越好"，一上来就大规模采集新硬件数据。但这项工作给出了一条更聪明的 " 相位感知（phase-aware）数据采集策略 "： 先只采集新硬件数据，直到新机器人的能力跨过迁移阈值；然后再引入老数据做共同训练。 也就是说 —— 先让徒弟练到 "开窍"，再请老师傅出手， 效果和性价比最高。 团队在一个全新的、没被用来推导规律的 " 移动双臂浇花 " 任务上验证了这套策略： 按照相位感知策略，只需采集 1.5 小时 的新硬件数据（而按过去的做法需要 8 小时 ）； 任务成功率从 40.0% 提升到 78.3% 。 用不到 1/5 的新数据采集量，换来了成功率的大幅提升 —— 这对于动辄需要大量人工示教、成本高昂的真实机器人场景来说，意义重大。 图4：移动双臂浇花任务。相位感知策略把新数据需求从 8 小时压到 1.5 小时，成功率从 40.0% 升到 78.3%。 总结 这项工作系统性地揭示并刻画了跨配置机器人学习中的 "涌现式迁移" 现象，核心贡献可以概括为三点： 1. 发现三阶段迁移规律 ：老数据在新硬件能力低时无用、跨过阈值后收益爆发、接近满分时收益递减，并给出了统计层面的支持； 2. 提出迁移阈值 τ(T) 与理论解释 ：用梯度对齐和策略残余不确定性，讲清了老数据 "何时开始有用" 以及 "为何后期收益递减"； 3. 给出可落地的数据采集策略 ：先采新数据跨过阈值、再引入老数据共同训练，在浇花任务上把新数据需求从 8 小时压缩到 1.5